Não se esqueça que você pode facilmente usar o fabricante do mapa de calor da Displayr para criar seu mapa de calor gratuito!

No outro dia, meu jornal local mostrou o que chamou de “foto” do Hurricane Matthew. Este heatmap consegue um dos principais trabalhos de visualização: ele atrai a atenção. No entanto, ele faz isso a um custo muito alto para mim por causa do seu mau uso da cor.

Quando olhei pela primeira vez para esta visualização, assumi que o cinza era nuvens e o azul era mar. Depois de um pouco mais de olhar, percebi que não poderia ser esse o caso. Meu cérebro então começou a ver a imagem como um redemoinho que se transforma em dois túneis. No entanto, isso me levou a uma má interpretação séria: ver uma luz no final do túnel à esquerda. Isto é um problema, porque o meu cérebro está a fazer exactamente a conclusão errada. A leitura correcta é, suspeito, que este é o olho da tempestade e muito mais imóvel do que as áreas circundantes.

A visualização acima é, sem dúvida, óptima se tiver sido treinado para a ler. Mas quantas pessoas receberam tal treinamento? Eu certamente luto para descobrir o que isso significa sem muito esforço. Isto porque não está usando o esquema de cores do arco-íris, mas preto, cinza, azul, verde, amarelo, vermelho, e preto novamente. Esta não é uma ordenação natural de cores na natureza, o que torna difícil para os nossos cérebros descodificá-la automaticamente. Para explorar um pouco melhor esta questão, vamos olhar para uma tarefa de visualização mais simples: um mapa de calor de um vulcão.

O gráfico em perspectiva 3D acima mostra um vulcão. Ele é atraente e vemos muitos dos atributos do vulcão, mas não o seu lado distante nem a profundidade da caldeira.

O mapa de calor abaixo usa uma escala amarelo-azul. Ele nos permite ter uma idéia do lado distante do vulcão e da profundidade da caldeira. Dependendo de quando eu olho para este mapa de calor, eu tiro conclusões bem diferentes. Às vezes, eu vejo uma supernova. Como não entendo bem as supernovas, esta comparação confunde em vez de me ajudar. Na maioria das vezes o meu cérebro vê azul como o mar, verde como a vegetação, e amarelo como o vulcão. Assim, o meu cérebro deduz que há água na caldeira do vulcão. Claro, a lenda diz-me que a minha interpretação está errada. O problema básico, porém, é que o aspecto qualitativo do mapa de calor – as cores azul, verde e vermelha – me desencaminha.

O próximo mapa de calor mostra como um pouco menos cria algo um pouco melhor. Eu removi o amarelo. Devido à forma como essa cor funciona, isto significa que o verde também é retirado do mapa de calor. Agora o mapa de calor mostra o tipo de gradação que aparece na natureza (por exemplo, nuvens contra um céu azul, profundidade da água). Nossos cérebros já estão sintonizados para a leitura da visualização. Talvez esta e a visualização anterior pareçam igualmente interpretáveis para você; fique comigo, pois o ponto ficará muito mais claro com os próximos exemplos.

Regras para usar cores em heatmaps

O mapa de árvores com sombreamento de heatmap abaixo é da Harvard Business Review. O esquema de cores que ele usa envolve cinzas, vermelhos, verdes, e amarelos. Como com a imagem de satélite melhorada do furacão, se treinada, tenho certeza que você pode lê-la. No entanto, lê-la é um trabalho duro, como discutido em A regra dos 5 segundos e a necessidade de criar uma visualização imediatamente reconhecível.

Contraste-a para a que está abaixo, que mostra muito mais dados. Ele usa quase o mesmo esquema de cores. Mas é uma visualização muito melhor. A razão é a forma como a cor é usada. A cor demarca as três causas de morte. A intensidade dentro das cores comunica a mudança nas taxas de morte ao longo do tempo.

Os exemplos acima podem ser resumidos em duas regras:

1. Representar graus em heatmaps por sombreamento, usando uma única cor misturada com branco, preto, ou cinza.
2. Utilizar cores para representar diferenças qualitativas.

Utilizar cores para representar notas altas vs baixas

Um tipo especial de diferença qualitativa é se os resultados estão acima ou abaixo da média. O exemplo abaixo mostra como a preferência por diferentes marcas de cola (as colunas) se relaciona com o grau de gosto pelas marcas. O branco é usado para indicar uma relação média, azul indica acima da média e coral indica abaixo da média. Os graus do sombreado indicam a força da relação. Este esquema de cores permite-nos confirmar rapidamente um padrão óbvio. As células azuis na diagonal principal da tabela mostram que as pessoas, em média, dão as classificações mais altas para as marcas que preferem. E chama rapidamente a nossa atenção para outros padrões. Os bebedores da Coca-Cola dão classificações abaixo da média para todas as outras marcas, enquanto os bebedores da Pepsi-Max estão positivamente dispostos a todas as marcas exceto Coca-Cola.

Este mesmo princípio é usado nos maravilhosos mapas do CDC. O mapa abaixo mostra doenças cardíacas para os homens. Aqui, o verde é usado para mostrar abaixo da média e o marrom acima da média. Este é um continuum natural na natureza, por isso nosso cérebro tem alguns mecanismos embutidos para entender a escala. Além disso, as cores têm um significado óbvio no contexto dos dados: o verde é saudável; o castanho está a morrer. E os autores forneceram duas lendas, para maximizar a chance das pessoas tirarem as inferências corretas da coloração.

Para brincar com alguns desses exemplos no Displayr, clique aqui.